[发明专利]一种图像上色方法及相关装置

说明书

本申请公开了一种图像上色方法，包括：将原始图像输入分类模型进行处理，并获取所述处理的过程中每一层与BN层间的差值；根据损失函数对所有所述差值进行计算，得到总体损失值；通过反向传播算法根据所述总体损失值对所述原始图像进行反向求导，得到导数；采用优化算法根据所述导数对原始图像进行更新，得到上色图像，以便降低图像上色过程投入的人力成本，提高处理效率。本申请还公开了一种图像上色装置、服务器以及计算机可读存储介质，具有以上有益效果。

技术领域

本申请涉及图像数据处理技术领域，特别涉及一种图像上色方法、图像上色装置、服务器以及计算机可读存储介质。

背景技术

随着图像处理技术不断发展，为了加快对于图像的处理速度，可以对没有色彩的图像或色彩单一的图像进行上色处理，以便加快图像的处理效率。

相关技术中，一般使用GAN(Generative Adversarial Networks，生成式对抗网络)网络作为素描上色的技术，首先根据任务内容创建一个素描和彩色图相互映射的训练数据集，然后根据任务需求搭建一个对应的GAN网络，最后对其进行训练，最终可以得到一个可以用于该任务的GAN网络。用户使用时，只需要将素描图输入模型，模型进行正向推理，就能得到对应的上色图像。但是，根据任务制作素描图和彩色图的训练数据集，需要大量的人力劳动，不利于快速进行上色处理，降低了上色处理的效率。

因此，如何降低上色过程投入的大量人力是本领域技术人员关注的重点问题。

发明内容

本申请的目的是提供一种图像上色方法、图像上色装置、服务器以及计算机可读存储介质，以便降低图像上色过程投入的人力成本，提高处理效率。

为解决上述技术问题，本申请提供一种图像上色方法，包括：

将原始图像输入分类模型进行处理，并获取所述处理的过程中每一层与BN层间的差值；

根据损失函数对所有所述差值进行计算，得到总体损失值；

通过反向传播算法根据所述总体损失值对所述原始图像进行反向求导，得到导数；

采用优化算法根据所述导数对原始图像进行更新，得到上色图像。

可选的，采用优化算法根据所述导数对原始图像进行更新，得到上色图像，包括：

采用optimize优化算法根据所述导数对原始图像进行更新，得到所述上色图像。

可选的，根据损失函数对所有所述差值进行计算，得到总体损失值，包括：

根据欧式距离损失函数或KL散度损失函数对所有所述差值进行计算，得到所述总体损失值。

可选的，根据损失函数对所有所述差值进行计算，得到总体损失值，包括：

获取每一层的权重值；

根据所述损失函数和每一层的权重值对所有所述差值进行计算，得到所述总体损失值。

可选的，将原始图像输入分类模型进行处理，并获取所述处理的过程中每一层与BN层间的差值，包括：

将所述原始图像输入DNN分类模型进行处理，并获取所述处理的过程中每一层与BN层间的差值。

可选的，还包括：

判断所述上色图像是否符合上色标准；

若否，则将所述上色图像作为所述原始数据，并执行所述将原始图像输入分类模型进行处理以及后续的步骤，得到新的上色图像。

本申请还提供一种图像上色装置，包括：

差值记录模块，用于将原始图像输入分类模型进行处理，并获取所述处理的过程中每一层与BN层间的差值；